自适应正则化迁移学习的不同工况下滚动轴承故障诊断

作者：陈仁祥; 朱玉清; 胡小林^*; 赵树恩; 张晓

来源：仪器仪表学报, 2021, 41(08): 95-103.

DOI：10.19650/j.cnki.cjsi.J2107721

• 滚动轴承
• 不同工况
• 自适应流形正则化
• 迁移学习
• 故障诊断

针对不同工况下存在两域分布差异复杂的问题,提出自适应正则化迁移学习的不同工况下滚动轴承故障诊断方法。首先,训练基分类器为目标域预测伪标签,利用联合分布适配对齐两域分布,以减小分布差异;其次,通过流形正则化对目标域数据进一步利用,挖掘数据的潜在分布几何结构,学习目标域数据分布信息;最后,利用在结构风险最小化框架下建立的分类器结合上述两步学习策略,迭代更新伪标签获得最优系数矩阵完成不同工况下滚动轴承故障诊断。在两组滚动轴承数据集上进行实验验证,实验结果显示所提方法识别准确率分别达到了96.38%,94.18%。证明该方法能够有效应对多种工况导致的复杂分布差异,同时具有较好的有效性和可行性。

• 单位
  重庆交通大学